一个MySQL 5.7分区表性能下降的案例分析与排查

姜宇祥 2017-09-08 09:41:18

作者介绍

姜宇祥，2012年加入携程，10年数据库核心代码开发经验，相关开发涉及达梦、MySQL数据库。现致力于携程MySQL的底层研发，为特殊问题定位和处理提供技术支持。

本文来自携程技术中心公众号（id：ctriptech），经同意授权转载。

前言：希望通过本文，使MySQL5.7.18的使用者知晓分区表使用中存在的陷阱，避免在该版本上继续踩坑。同时通过对源码的分享，升级MySQL5.7.18时分区表性能下降的根本原因，向MySQL源码爱好者展示分区表实现中锁的运用。

问题描述

MySQL 5.7版本中，性能相关的改进非常多。包括临时表相关的性能改进，连接建立速度的优化和复制分发相关的性能改进等等。基本上不需要做配置修改，只需要升级到5.7版本，就能带来不少性能的提升。

我们在测试环境，把数据库升级到5.7.18版本，验证MySQL 5.7.18版本是否符合我们的预期。观察运行了一段时间，有开发反馈，数据库的性能比之前的5.6.21版本有下降。主要的表现特征是遇到比较多的锁超时情况。开发另外反馈，性能下降相关的表都是分区表。更新走的都是主键。这个反馈引起了我们重视。我们做了如下尝试：

数据库的版本为5.7.18，保留分区表，性能会下降。
数据库版本为5.7.18，把表调整为非分区表，性能正常。
把数据库的版本回退到5.6.21版本，保留分区表，性能也是正常。

通过上述测试，我们大致判定，这个性能下降和MySQL5.7版本升级有关。

问题重现

测试环境的数据库表结构比较多，并且调用关系也比较复杂。为了进一步分析并定位问题，我们抽丝剥茧，构建了如下一个简单的重现过程：

// 创建一个测试分区表t2:

CREATE TABLE `t2`(

`id` INT(11) NOT NULL,

`dt` DATETIME NOT NULL,

`data` VARCHAR(10) DEFAULT NULL,

PRIMARYKEY (`id`,`dt`),

KEY`idx_dt`(`dt`)

) ENGINE=INNODB DEFAULTCHARSET=latin1

/*!50100 PARTITION BY RANGE (to_days(dt))

(PARTITION p20170218 VALUES LESS THAN (736744)ENGINE = InnoDB,

PARTITIONp20170219 VALUES LESS THAN (736745) ENGINE = InnoDB,

PARTITIONpMax VALUES LESS THAN MAXVALUE ENGINE = InnoDB) */

// 插入测试数据

INSERT INTO t2 VALUES (1, NOW(), '1');

INSERT INTO t2 VALUES (2, NOW(), '2');

INSERT INTO t2 VALUES (3, NOW(), '3');

// SESSION 1 对id = 1的记录做一个更新操作，事务先不提交。

BEGIN;UPDATE t2 SET DATA = '12' WHERE id = 1;

// SESSION 2 对id = 2 的记录做一个更新。

BEGIN;UPDATE t2 SET DATA = '21' WHERE id = 2;

在SESSION 2，我们发现，这个更新操作一直在等待。ID是主键，按道理，主键id = 1 的记录更新，不至于影响到主键id = 2的记录更新。

查询information_schema下的innodb_locks这张表。这张表是用于记录InnoDB事务尝试申请但还未获取的锁，以及阻塞其它事务的事务所拥有的锁。有两条记录：

观察此时的innodb_locks表，事务id=40021锁住第3页的第2行记录，导致事务id=40022无法进行下去。

我们把数据库回退到5.6.21版本，则不能重现上述场景。

进一步分析

根据innodb_locks表提供的信息，我们知道问题在于InnoDB锁定了不恰当的行。该表是memory存储引擎。我们在memory 存储引擎的插入接口设置断点，得到如下堆栈信息。确定是红框部分，将锁信息写入到innodb_locks表中。

并在函数fill_innodb_locks_from_cache中得以确认，每次写入行的数据，都是从如下代码中Cache对象中获取的。

我们知道Cache中保存了事务锁的信息，因此需要进一步查找Cache中的数据，是如何添加进去的。通过搜索cache对象在innodb代码中出现的位置，找到函数add_lock_to_cache。在此函数设置断点进行调试后，发现其内容与填写innodb_locks表的数据一致。确定该函数使用的lock对象，就是我们要找的锁对象。

针对lock_t 类型的使用位置进行排查。经过筛选和调试，发现函数RecLock::lock_add中，生成的行锁被加入到该锁所在的事务链表中。

RecLock::lock_add函数可以推出行锁的生成原因。因此，通过对该函数进行断点设置，查看函数堆栈，在如下堆栈内，定位到红框位置的函数：

针对Partition_helper::handle_ordered_index_scan的如下代码进行跟踪，根据该段代码的分析，m_part_spec.end_part 决定了进行上锁的最大行数，此处即为非正常行锁生成的原因。

最终问题归结到m_part_spec.end_part 的生成原因。通过对end_part 使用地方进行排查，最终在get_partition_set函数中定位到该变量在使用前的初始设置值。从代码中可以看出，每次单条记录的update操作，在进行index scan上锁时，对分区表数目相同的行数进行上锁。这个是根本原因。

验证结论

根据之前的分析，每次单条记录的update操作，会对分区表数目相同的行数进行上锁。我们尝试验证我们的发现。

新增如下两条记录：

INSERT INTO t2 VALUES (4, NOW(), '4');

INSERT INTO t2 VALUES (5, NOW(), '5');

// SESSION 1 对id = 1的记录做一个更新操作，事务先不提交。

BEGIN;UPDATE t2 SET DATA = '12' WHERE id = 1;

// SESSION 2 现在对id = 4 的记录做一个更新。

BEGIN;UPDATE t2 SET DATA = '44' WHERE id = 4;

我们发现，对id = 4的更新可以正常进行。不会受到id = 1 的更新影响。这是因为id=4的记录，超过了测试案例的分区个数，不会被锁住。在实际应用中，分区表所定义分区数不会如测试用例中的只有3个，而是数十个乃至数百个。这样进行上锁的结果，将加剧更新情况下的锁冲突，导致事务处于锁等待状态。如下图所示，每个事务都上N个行锁，那么这些上锁记录互相覆盖的可能性就极大的提高，也就导致并发下降，效率降低。